A Collection on the Versatility and Predictive Power of Survey Expectations Data
Notice bibliographique
Résumé
This collection of papers analyzes the versatility and predictive power of survey expectations data in asset pricing and macroeconomic forecasting. The first paper, Using Sentiment Surveys to Predict GDP Growth and Stock Returns sheds new light on the question of whether or not sentiment surveys, and the expectations derived from them, are relevant to forecasting economic growth and stock returns, and whether they contain information that is orthogonal to macroeconomic and financial data. I demonstrate that surveys have significant predictive power for both GDP growth and excess stock returns, and that the results are robust to the inclusion of information pertaining to the macroeconomic environment and momentum. The findings reject the conventional wisdom that the effect of sentiment is apparent exclusively in small-capitalization stocks. The second paper, Sexonomics: Gender, Wealth, and Expectations in Financial Markets , examines the role of gender and wealth in expectations formation and shows that different gender and wealth cohorts have different relative abilities to predict inflation, interest rates, unemployment, income, stock prices, and the housing market. The results cast doubt on the Rational Expectations Hypothesis, complement recent findings in the emerging field of neuroeconomics, and have implications for investor education, understanding asset bubbles, policy makers, financial services marketing, investment management, portfolio allocation, and economic forecasting. The third paper, An Inflation Expectations Horserace, examines the use of high-frequency versus low-frequency inflation expectations data. I present a collection of 37 different measures of inflation expectations, including many previously unexploited monthly and real-time measures of inflation expectations. These higher frequency measures tend to outperform the standard low frequency survey measures in tests of accuracy, predictive power, and rationality, indicating that there are benefits to using higher frequency measures of inflation expectations. Out of sample forecasts confirm the findings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,020 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».